本文關鍵詞： 圖像分割 氣動加載伺服控制系統(tǒng) 粒子群 滑模干擾觀測器 混沌系統(tǒng)　出處：《控制工程》2017年11期 　論文類型：期刊論文

【摘要】：針對氣動加載伺服控制系統(tǒng)的時滯、強非線性,提出一種基于混沌粒子群(CPSO)的改進滑模干擾觀測器(ISMDO)的控制方案。利用觀測器預估理論對實際輸出進行估計,計算出無延時的預估輸出,并將此輸出值與設定值的誤差作為滑�？刂破鞯妮斎胗嬎憧刂屏�。同時采用粒子群算法進行控制器的參數(shù)尋優(yōu),為使尋優(yōu)效果更好,首先采用混沌反學習法"初選"粒子,再利用"淘汰"條件對粒子群算法進行篩選,并基于混沌系統(tǒng)替換粒子策略對群體進行補充。通過與PID控制算法,滑模干擾觀測器(SMDO)等不同控制策略對階躍、正弦信號的系統(tǒng)仿真進行比較,證明算法能較好的解決系統(tǒng)的延遲和非線性。并通過試驗驗證對于氣動加載系統(tǒng)來說,該算法具有較好的控制性能。
[Abstract]:Aiming at the time-delay of pneumatic loaded servo control system, it is strongly nonlinear. An improved sliding mode disturbance observer (ISMDO) based on chaotic particle swarm optimization (CPSO) is proposed. The estimated output without delay is calculated, and the error between the output value and the set value is taken as the input of the sliding mode controller to calculate the control quantity. At the same time, the particle swarm optimization algorithm is used to optimize the parameters of the controller in order to make the optimization effect better. First, the chaotic backlearning method is used to "primary" particles, then the "elimination" condition is used to screen the particle swarm optimization algorithm, and then the population is supplemented by the chaotic system replacement particle strategy. The algorithm is controlled by PID. Different control strategies such as sliding mode disturbance observer (SMDO) are used to compare the system simulation of step and sinusoidal signals. It is proved that the algorithm can solve the delay and nonlinearity of the system, and it is proved by experiments that the algorithm has better control performance for the pneumatic loading system.
【作者單位】： 上海理工大學機械學院;
【基金】：上海市自然科學基金項目(13ZR458500)
【分類號】：TP273
【正文快照】： 氣動加載伺服控制系統(tǒng)具有低成本,無污染,實用性強等優(yōu)勢,所以在控制領域中被廣泛應用。但因氣體所具有的可壓縮性和流動狀態(tài)復雜性,以及閥的非線性,使氣動加載伺服控制系統(tǒng)具有延遲和很強的非線性等問題[1]。因此,氣動加載伺服控制系統(tǒng)很難實現(xiàn)高精度的閉環(huán)控制,如何實現(xiàn)高精

【相似文獻】

相關期刊論文 前10條

1 何清;翟建仁;;Fuzzy群[J];河北機電學院學報;1993年03期

2 黃凱鋒;李莉;李永亮;;多種群粒子群與人工蜂群融合的改進算法[J];計算機工程與設計;2014年06期

3 李鋒;;粒子群離散算法在無線傳感網(wǎng)絡中的應用[J];微型機與應用;2014年12期

4 楊書Oz;舒勤;何川;;基于云模型改進的粒子群K均值聚類算法[J];現(xiàn)代計算機(專業(yè)版);2014年10期

5 李愛國;多粒子群協(xié)同優(yōu)化算法[J];復旦學報(自然科學版);2004年05期

6 王偉;李枚毅;彭霞丹;;一種雙層可變子群的動態(tài)粒子群優(yōu)化算法[J];小型微型計算機系統(tǒng);2012年01期

7 焦巍;劉光斌;;一種新的雙子群PSO算法[J];計算機工程;2009年16期

8 張洪波;;多種群粒子群分層進化優(yōu)化算法[J];中國科技信息;2010年08期

9 朱俚治;;一種基于粒子群的變形病毒檢測算法[J];信息安全與技術(shù);2014年08期

10 焦巍;劉光斌;;動態(tài)環(huán)境下的雙子群PSO算法[J];控制與決策;2009年07期

相關會議論文 前10條

1 蒲興成;;兩類混沌系統(tǒng)觀測器的推廣形式[A];2007系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2007年

2 黃翼虎;賈喜梅;;基于模糊觀測器的容錯系統(tǒng)設計[A];中國儀器儀表學會第九屆青年學術(shù)會議論文集[C];2007年

3 韓忠旭;;代數(shù)比例相似觀測器的定義及其數(shù)學分析[A];第二十七屆中國控制會議論文集[C];2008年

4 李元;孫晶鑫;謝彥紅;;網(wǎng)絡時延觀測器設計方法研究[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

5 劉艷紅;李春文;;一類廣義非線性系統(tǒng)的觀測器設計[A];第二十二屆中國控制會議論文集（上）[C];2003年

6 邢紹邦;趙克友;;一種新型異步電動機磁鏈觀測器仿真研究[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

7 程鵬;陳小娟;;磁通觀測器滑動模態(tài)的LTR設計[A];1995年中國控制會議論文集（上）[C];1995年

8 胡陟;蔡萍;;基于干擾觀測器的虛擬手術(shù)力反饋控制研究[A];第二十七屆中國（天津）2013IT、網(wǎng)絡、信息技術(shù)、電子、儀器儀表創(chuàng)新學術(shù)會議論文集[C];2013年

9 張友;齊麗;張嗣瀛;;一類不確定線性中立系統(tǒng)的觀測器設計與鎮(zhèn)定[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

10 張端金;張愛玲;;基于觀測器的Delta算子系統(tǒng)故障檢測[A];第二十六屆中國控制會議論文集[C];2007年

相關博士學位論文 前10條

1 常彥偉;縱向參數(shù)多子群粒子群算法的研究與應用[D];中國礦業(yè)大學;2009年

2 黃敢基;基于時變Lyapunov函數(shù)方法的幾類觀測器設計[D];華南理工大學;2015年

3 何忠偉;區(qū)間觀測器及其控制系統(tǒng)研究[D];華南理工大學;2016年

4 王璐;基于觀測器的抗干擾控制策略研究及性能評估[D];上海交通大學;2015年

5 朱芳來;非線性控制系統(tǒng)觀測器研究[D];上海交通大學;2001年

6 尹正男;具有魯棒性的最優(yōu)干擾觀測器的系統(tǒng)性設計及其應用[D];上海交通大學;2012年

7 張柯;基于觀測器的動態(tài)系統(tǒng)故障估計和調(diào)節(jié)[D];南京航空航天大學;2012年

8 彭宇;非線性智能觀測器及其應用研究[D];浙江大學;2000年

9 金輝宇;基于近似模型的非線性采樣系統(tǒng)研究[D];中國科學技術(shù)大學;2007年

10 王振華;描述系統(tǒng)的故障診斷觀測器設計[D];哈爾濱工業(yè)大學;2013年

相關碩士學位論文 前10條

1 徐桓;基于量子粒子群的Agent聯(lián)盟生成問題研究與應用[D];云南師范大學;2015年

2 趙鵬旭;基于粒子群的群智能理論在系統(tǒng)優(yōu)化中的應用研究[D];華北電力大學;2015年

3 胡麗芳;基于動態(tài)線性步長的雙子群果蠅優(yōu)化算法及其應用[D];安徽大學;2016年

4 關鶴童;基于混沌粒子群雞群融合優(yōu)化算法的云任務調(diào)度應用與實現(xiàn)[D];吉林大學;2016年

5 許國燕;基于改進量子粒子群的WSN網(wǎng)絡覆蓋優(yōu)化研究[D];蘭州交通大學;2016年

6 楊悅;粒子群及其改進在微震速度模型校正應用的數(shù)值模擬研究[D];中國科學技術(shù)大學;2015年

7 張同新;多目標子群發(fā)現(xiàn)算法及其應用研究[D];南京理工大學;2014年

8 劉楚群;基于混沌粒子群的射頻天線自適應阻抗匹配[D];湖南大學;2014年

9 王玉燕;基于觀測器的非線性系統(tǒng)故障診斷[D];青島理工大學;2015年

10 董新海;離散時間奇異時滯馬爾科夫跳躍系統(tǒng)的觀測器設計[D];山東大學;2015年

，

本文編號：1469820